论文秒搜

多平台并行搜索与数据聚合

学术研究者在文献调研时面临一个核心痛点：信息源分散。你需要在 arXiv、PubMed、Google Scholar 等多个平台间来回切换，手动对比和去重，再以不同格式导出引用信息，整个过程耗时且易出错。本技能旨在解决这一碎片化搜索问题。

它通过一个纯 Python 函数 search_local(query)，在本地预置的论文索引（包含15篇AI/深度学习经典论文）中进行即时检索。同时，其设计架构支持未来扩展至多平台并行搜索。其工作流程的关键步骤是：

• 请求与聚合：接收查询后，技能设计可同时向多个学术API（如OpenAlex、Semantic Scholar）发起请求。
• 智能去重与评分：返回的结果会自动进行跨平台去重，并基于相关度进行评分排序。
• 信息增强与导出：用户可进一步获取论文的引用网络信息（引用次数、参考文献）。最后，通过 export_results() 函数，能将清洗后的数据以 BibTeX、JSON 或 CSV 等标准格式一键导出，方便导入文献管理软件或进行后续分析。

适用场景与局限性

本技能特别适合以下场景：

• 快速文献初探：当需要对某个小领域（如“Transformer变体”）的奠基性论文进行快速检索和归档时，内置索引提供了即时可用的起点。
• 引用分析与整理：对于一批已知论文，可以批量查询它们的被引情况，并导出结构化数据。
• 自动化流程集成：其纯Python、无外部依赖的特性，使其易于作为工具模块嵌入到更大的学术工作流或脚本中。

但请注意其明确的适用边界：

• 本地索引局限：当前版本核心功能依赖于内置的本地论文索引，因此搜索范围仅限于这15篇预置论文，并非实时搜索全网学术库。
• 功能侧重：它是一个检索与导出工具，而非全文阅读或深度内容分析工具。
• 扩展性：其多平台并行搜索是架构设计上的能力，当前示例代码主要演示了本地索引的检索流程。

该技能在 Agent 调用环境下表现最佳，能作为可靠的后台工具，执行具体的文献查找、格式化导出和元数据提取任务。